为什么opencv畸形提取器删除了这么多关键点，特别是使用ORB检测器 我使用OpenCV 2.4.3C++接口来找到两幅图像之间的匹配点。第一次尝试是使用SURF。唯一的问题是耗时，所以我尝试了新的怪物提取器。使用SURF进行检测，使用FRANK进行描述，我意识到FRANK将关键点的数量减少到几乎检测到的一半，结果匹配不够。这就是原因，我试图快速获得更多的关键点。结果是： 冲浪探测器，冲浪提取器，BFMatcher交叉检查为真，RANSAC:70个关键点第一个图像，50个关键点第二个图像，200ms。250毫秒。15毫秒。15毫秒 冲浪探测器，畸形提取器，BFMatcher交叉检查为真，RANSAC:39个关键点第一个图像，30个关键点第二个图像（畸形后），200毫秒，50毫秒，0毫秒，0毫秒。结果是好的匹配太少了 快速检测器，畸形提取器，BFMatcher交叉检查为真，RANSAC:120个关键点，90个关键点，（畸形后69和48个关键点），10ms.，450ms.，15ms.，10ms

在那之后，我使用了ORBFeatureDetector，它获得了与FAST相同数量的关键点，但在FREAK extractor之后，每个图像的结果关键点都是0。我做错什么了吗？ORB关键点与从FAST获得的关键点不同吗？

---

也许我可以就此提出另一个问题，但我还有最后一个问题。与我第一次使用SURF的实验相比，检测器/提取器的最佳组合是什么，以获得相同的结果，但减少处理时间？因为当我获得更多的关键点时，提取器部分也会更加耗时，尽管我使用了FREAK。

FAST只是一个关键点检测器（没有描述符）。如果您将FAST和use for description（多尺度）组合在一起，您将得到ORB。

如果FREAK不能为其生成描述符，它会删除点，很多时候这会发生在图像的边界中，因为如果它掉出边界图像，它无法生成描述符。我通过在提取之前应用ROI来避免这个问题

---

我也使用FAST和FRANK组合，我得到了最好的结果，但我仍然存在减少提取时间的问题，这对我来说太高了。

实际上，您使用了参数cross-check=true。这也是你的很多分数被取消的原因。如果该参数为true，则从计算角度来看，该参数代价高昂。它用于避免在匹配过程中出现不完全匹配的描述符对

如果有两组描述符D1和D2，则此参数仅允许在D1->D2和D2->D1匹配方向中通常匹配的对

然后，这一切都取决于你的应用，也许你不需要那么多的匹配精度

致以最良好的祝愿

---

Alex

除了移除边界点之外，正如Jav_Rock所建议的，点的巨大（不一致的？！）减少实际上取决于存储在keyPoint中的大小参数。即使将scaleNormalized设置为false，当size参数的浮点值接近于零时，FREAK也会丢弃这个关键点。（但我似乎无法找出原因，因为只有scaleNormalized为true时才使用keyPoint的size参数：）

因此，如果不使用scaleNormalization，请确保将size参数设置为大于零的值（例如1）。
并将其作为单位“pixelsize”的值插入（使用scaleNormalization时）。
顺便说一句，最小的关键点大小是7倍

---

希望这有帮助……

也许我没有解释清楚。问题是，在关键点检测之后，我尝试使用FREAK进行描述，但是这个描述符减少了描述之后检测到的关键点的数量。特别是当我使用ORB时，描述后得到的关键点是0。我注意到在FAST和ORB之后调试生成的关键点时，使用ORB时，每个关键点上的响应都是一个非常小的浮点值。请向我们展示一些代码片段。对我来说，它工作得很好。我无法重现我遇到的问题。但在某些情况下，关键点的数量从800个减少到84个。对于边框来说不是太多了吗？这取决于关键点的大小，这与patternScale参数有关。但是是的，它是相当多的。图案比例。我无法理解这个奇怪的描述，也没有得到任何好的结果。谢谢JavYes，patternScale有点棘手，我给作者发了邮件，但仍然没有回复。无论如何，我得到了非常好的结果，这是一个调整参数的问题，调整匹配器，等等，有点复杂。信息很少，成功需要一些经验。我会再试一次。还有一个问题。有关于使用kmeans进行变态的线索吗？我的意思是，要用海明距离制作弓形词汇表？我喜欢用轻快的探测器和畸形的描述符。它运行得很好。我确实需要精确性，这就是我使用交叉检查的原因。无论如何，谢谢你。